SEGMENTASI PEMATANG SAWAH PADA CITRA AERIAL AREA SAWAH DENGAN METODE CONVOLUTIONAL NEURAL NETWORK UNET

Wirawan, Ida Bagus Made Yudha (2022) SEGMENTASI PEMATANG SAWAH PADA CITRA AERIAL AREA SAWAH DENGAN METODE CONVOLUTIONAL NEURAL NETWORK UNET. Undergraduate thesis, Universitas Pendidikan Ganesha.

[img] Text (COVER)
1815051012-COVER.pdf
Download (630kB)
[img] Text (ABSTRAK)
1815051012-ABSTRAK.pdf
Download (32kB)
[img] Text (BAB 1 PENDAHULUAN)
1815051012-BAB 1 PENDAHULUAN.pdf
Download (167kB)
[img] Text (BAB 2 KAJIAN TEORI)
1815051012-BAB 2 KAJIAN PUSTAKA.pdf
Restricted to Repository staff only
Download (1MB) | Request a copy
[img] Text (BAB 3 METODOLOGI PENELITIAN)
1815051012-BAB 3 METODOLOGI PENELITIAN.pdf
Restricted to Repository staff only
Download (1MB) | Request a copy
[img] Text (BAB 4 HASIL DAN PEMBAHASAN)
1815051012-BAB 4 HASIL DAN PEMBAHASAN.pdf
Restricted to Repository staff only
Download (552kB) | Request a copy
[img] Text (BAB 5 PENUTUP)
1815051012-BAB 5 PENUTUP.pdf
Restricted to Repository staff only
Download (97kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
1815051012-DAFTAR PUSTAKA.pdf
Download (101kB)
[img] Text (LAMPIRAN)
1815051012-LAMPIRAN.pdf
Download (2MB)

Abstract

Penelitian ini berkontribusi pada penerapan pengolahan citra dalam optimasi dan otomatisasi drone agriculture untuk modernisasi sistem agriculture. Penelitian ini bertujuan untuk melakukan segmentasi semantik pematang sawah menggunakan Convolutional Neural Network UNet. Metode yang diusulkan dalam penelitian ini dimulai dari tahap finalisasi dataset, data preparation, pemilihan model segmentasi, dan pengembangan perangkat lunak sistem segmentasi citra aerial area sawah. Input dari model UNet akan berupa citra RGB sawah basah dengan resolusi 512 x 512 pixel yang merupakan hasil dari proses ekstraksi frame dan output berupa citra biner dari pixel prediksi pematang sawah. Berdasarkan hasil pengujian model yang telah dilakukan pada komputer dengan prosesor Intel i7, GPU RTX 3070 Ti, RAM 32GB, dan SSD 1TB, model UNet yang di train dengan konfigurasi dataset tipe fold 1 (792 gambar trainset, 44 gambar validationset, dan 45 gambar testset) dan tanpa melalui tahap deteksi tepi memiliki performansi tertinggi dengan rata-rata akurasi 99% dan waktu segmentasi rata-rata 0,32 per detik.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: segmentasi citra, pematang sawah, gambar UAV, UNet, CNN, deep learning, drone agriculture.
Subjects: Q Science > QA Mathematics > QA76 Computer software
Divisions: Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Pendidikan Teknik Informatika (S1)
Depositing User: Ida Bagus Made Yudha Wirawan
Date Deposited: 20 Jul 2022 13:57
Last Modified: 20 Jul 2022 13:57
URI: http://repo.undiksha.ac.id/id/eprint/11865

Actions (login required)

View Item View Item